LSTM-3-layer+Gadam
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Oxford,University of Bristol,University of Cambridge
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 2 March 2020
- Autori
- Diego Granziol, Xingchen Wan, Samuel Albanie, Stephen Roberts
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 24M
- Dati di addestramento
- 912,344 tokens
- Epoche
- 200
24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 2.6 × 10¹⁶ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 24000000 parameters * 912344 tokens * 200 epochs = 2.6275507e+16 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA GeForce RTX 2080 Ti 11GB
- Chip utilizzati
- 1
- Consumo energetico
- 281 W
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 5
- Dati di benchmark
- LSTM-3-layer+Gadam
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Iterative Averaging in the Quest for Best Test Error
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
LSTM-3-layer+Gadam è stato pubblicato da University of Oxford,University of Bristol,University of Cambridge, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante March 2020. Esce da un'organizzazione categorizzata come academia,Academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 2.6 × 10¹⁶ FLOP, su hardware registrato come NVIDIA GeForce RTX 2080 Ti 11GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 912,344 token di testo
Risposte
LSTM-3-layer+Gadam — domande comuni
LSTM-3-layer+Gadam— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.6 × 10¹⁶ FLOP, su hardware registrato come NVIDIA GeForce RTX 2080 Ti 11GB. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
LSTM-3-layer+Gadam— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
LSTM-3-layer+Gadam— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
LSTM-3-layer+Gadam— quanti parametri ha?
Ha un numero di parametri di 24M. 24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
LSTM-3-layer+Gadam— chi l'ha creato?
È stato pubblicato da University of Oxford,University of Bristol,University of Cambridge, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia,Academia,Academia.
LSTM-3-layer+Gadam— quando è stato rilasciato?
È stato pubblicato in March 2020. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
LSTM-3-layer+Gadam— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.